La surveillance de l’état des structures composites basée sur l'apprentissage automatique
Auteur / Autrice : | Zeyu Liu |
Direction : | Mohamed Ichchou, Abdel Malek Zine, Mohsen Ardabilian |
Type : | Thèse de doctorat |
Discipline(s) : | Mécanique |
Date : | Soutenance le 21/01/2021 |
Etablissement(s) : | Lyon |
Ecole(s) doctorale(s) : | Ecole doctorale Mécanique, Energétique, Génie Civil, Acoustique (Villeurbanne ; 2011-....) |
Partenaire(s) de recherche : | établissement opérateur d'inscription : École Centrale de Lyon (1857-....) |
Laboratoire : Laboratoire de tribologie et dynamique des systèmes (Écully, Rhône ; 1970-) | |
Jury : | Président / Présidente : Walid Larbi |
Examinateurs / Examinatrices : Mohamed Ichchou, Abdel Malek Zine, Mohsen Ardabilian, Lin Li | |
Rapporteurs / Rapporteuses : Walid Larbi, Sergio De Rosa |
Mots clés
Résumé
Les dommages structurels des matériaux composites utilisés dans l'aéronautique et l'aérospatiale ont attiré une attention croissante. Des systèmes efficaces et fiables de surveillance de l'état de la structure (SHM) sont nécessaires pour fournir une interprétation probabiliste des diagnostics. Ce travail est un sujet spécial de la surveillance et le suivi de l’état des matériaux composites, dont le but est de développer une méthodologie automatisée d'évolution des défauts basée sur des approches d'apprentissage automatique.La recherche est réalisée sur la base de l'état sain et endommagé d'un panneau sandwich composite à âme en nid d'abeille modélisé dans ANSYS. Des réponses aux vibrations sont obtenues par l’analyse des éléments finis dans les deux états. Une méthode d'apprentissage automatique classique Processus Gaussien (GP) avec la technique d'extraction de caractéristiques la transformation en ondelettes discrète (DWT) est proposée pour détecter l'apparition des dommages. Ensuite, un algorithme d'apprentissage profond le Réseau de Neurones Convolutifs (CNN) avec la transformation en ondelettes continue (CWT) est proposé pour prédire l'apparition et l'emplacement des dommages potentiels de type fissure. De plus, l'applicabilité de la méthode CNN à différentes structures et différents types de données est étudiée.La méthode basée sur la GP est efficace pour la détection des dommages de type fissure dans la structure sandwich composite étudiée, tandis que la méthode basée sur CNN est capable de détecter l'apparition de dommages et son emplacement potentiel. En outre, il est proposé que les types de données appropriés puissent aider à obtenir une performance optimale en utilisant la méthode basée sur CNN. On s'attend à ce que les méthodes proposées conviennent pour la détection des dommages de structures plus complexes.